CN115171200B - 基于变倍的目标跟踪特写方法、装置、电子设备及介质 - Google Patents

基于变倍的目标跟踪特写方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN115171200B
CN115171200B CN202211092396.8A CN202211092396A CN115171200B CN 115171200 B CN115171200 B CN 115171200B CN 202211092396 A CN202211092396 A CN 202211092396A CN 115171200 B CN115171200 B CN 115171200B
Authority
CN
China
Prior art keywords
target
tracking
picture
close
detection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211092396.8A
Other languages
English (en)
Other versions
CN115171200A (zh
Inventor
陈涛
甘嘉诚
柴亚伟
郑永勤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Valuehd Corp
Original Assignee
Shenzhen Valuehd Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Valuehd Corp filed Critical Shenzhen Valuehd Corp
Priority to CN202211092396.8A priority Critical patent/CN115171200B/zh
Publication of CN115171200A publication Critical patent/CN115171200A/zh
Application granted granted Critical
Publication of CN115171200B publication Critical patent/CN115171200B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Abstract

本申请公开了一种基于变倍的目标跟踪特写方法、装置、电子设备及介质，涉及目标跟踪技术领域，所述基于变倍的目标跟踪特写方法包括：获取当前全景画面，对所述当前全景画面进行目标检测，得到目标检测框；对所述目标检测框对应的目标对象进行人脸识别，得到目标人脸特征；根据所述目标人脸特征，对所述目标对象进行跟踪匹配，得到跟踪匹配结果；依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面；根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面。本申请解决了现有技术中目标跟踪的准确性较低的技术问题。

Description

基于变倍的目标跟踪特写方法、装置、电子设备及介质
技术领域
本申请涉及目标跟踪技术领域，尤其涉及一种基于变倍的目标跟踪特写方法、装置、电子设备及介质。
背景技术
随着互联网的高速发展，远程视频业务的迅猛增长，越来越多的智能视 频系统方案在教育、娱乐、直播等领域得到广泛使用。在这种智能视频系统 方案中应用的目标跟踪方法，结合了多重深度学习算法，以对目标人物进行特写跟踪，比如，教室内教师跟踪、舞台上表演者跟踪、直播间主播跟踪等等。
目前通常是通过使用单目数字高清摄像机及其他边缘辅助设备的方式进行目标跟踪，但是由于单目摄像机采集到的画面同时用于跟踪分析和特写画面输出，导致被跟踪对象移动较快时，容易脱离镜头视野范围，且当被跟踪对象距离摄像机较远时拍摄到的特写画面分辨率不高，进而导致目标跟踪的准确性较低。
发明内容
本申请的主要目的在于提供一种基于变倍的目标跟踪特写方法、装置、电子设备及介质，旨在解决现有技术中目标跟踪的准确性较低的技术问题。
为实现上述目的，本申请提供一种基于变倍的目标跟踪特写方法，所述基于变倍的目标跟踪特写方法包括：
获取当前全景画面，对所述当前全景画面进行目标检测，得到目标检测框；
对所述目标检测框对应的目标对象进行人脸识别，得到目标人脸特征；
根据所述目标人脸特征，对所述目标对象进行实时跟踪，得到跟踪结果；
依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面；
根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面。
可选地，所述目标检测包括人脸检测、人头检测和人身检测，所述对所述当前全景画面进行目标检测，得到目标检测框的步骤包括：
对所述当前全景画面进行所述人脸检测，得到人脸检测框；
对所述当前全景画面进行所述人头检测，得到人头检测框；
对所述当前全景画面进行所述人身检测，得到人身检测框；
将所述人脸检测框、所述人头检测框和所述人身检测框进行融合，得到所述目标检测框。
可选地，所述跟踪匹配包括级联匹配和重叠度匹配，所述根据所述目标人脸特征，对所述目标对象进行跟踪匹配，得到跟踪匹配结果的步骤包括：
根据所述目标人脸特征，先将所述目标对象进行级联匹配，得到级联匹配结果；
再将所述级联匹配中未成功匹配的目标对象进行重叠度匹配，得到重叠度匹配结果；
将所述级联匹配结果和所述重叠度匹配结果共同作为所述跟踪匹配结果。
可选地，所述依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面的步骤包括：
依据所述跟踪匹配结果，得到所述目标对象在所述当前全景画面内的位置信息；
基于所述位置信息，对所述当前全景画面进行光学变倍，得到目标区域画面。
可选地，所述基于所述位置信息，对所述当前全景画面进行光学变倍，得到目标区域画面的步骤包括：
基于所述位置信息，确定所述目标对象在所述当前全景画面内的画面占比；
依据所述画面占比，对所述全景画面进行光学变倍，得到所述目标区域画面。
可选地，所述根据预设呈像比例，对所述全景画面进行电子变倍，得到所述目标对象的特写画面的步骤包括：
根据预设呈像比例，确定所述特写画面的目标宽度和目标高度；
基于所述目标宽度和所述目标高度，对所述全景画面进行电子变倍，得到所述目标对象的特写画面。
可选地，在根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面的步骤之后，还包括：
检测所述目标对象的运动范围是否超过预设范围阈值；
若否，则保持所述特写画面不变；
若是，则根据所述运动范围，确定所述目标对象的移动位置；
依据所述移动位置，控制云台进行移动，以对所述目标对象进行实时跟踪特写。
本申请还提供一种基于变倍的目标跟踪特写装置，所述基于变倍的目标跟踪特写装置应用于基于变倍的目标跟踪特写设备，所述基于变倍的目标跟踪特写装置包括：
检测模块，用于获取当前全景画面，对所述当前全景画面进行目标检测，得到目标检测框；
人脸识别模块，用于对所述目标检测框对应的目标对象进行人脸识别，得到目标人脸特征；
跟踪匹配模块，用于根据所述目标人脸特征，对所述目标对象进行实时跟踪，得到跟踪结果；
光学变倍模块，用于依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面；
电子变倍模块，用于根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面。
可选地，所述检测模块还用于：
对所述当前全景画面进行所述人脸检测，得到人脸检测框；
对所述当前全景画面进行所述人头检测，得到人头检测框；
对所述当前全景画面进行所述人身检测，得到人身检测框；
将所述人脸检测框、所述人头检测框和所述人身检测框进行融合，得到所述目标检测框。
可选地，所述跟踪匹配模块还用于：
根据所述目标人脸特征，先将所述目标对象进行级联匹配，得到级联匹配结果；
再将所述级联匹配中未成功匹配的目标对象进行重叠度匹配，得到重叠度匹配结果；
将所述级联匹配结果和所述重叠度匹配结果共同作为所述跟踪匹配结果。
可选地，所述光学变倍模块还用于：
依据所述跟踪匹配结果，得到所述目标对象在所述当前全景画面内的位置信息；
基于所述位置信息，对所述当前全景画面进行光学变倍，得到目标区域画面。
可选地，所述光学变倍模块还用于：
基于所述位置信息，确定所述目标对象在所述当前全景画面内的画面占比；
依据所述画面占比，对所述全景画面进行光学变倍，得到所述目标区域画面。
可选地，所述电子变倍模块还用于：
根据预设呈像比例，确定所述特写画面的目标宽度和目标高度；
基于所述目标宽度和所述目标高度，对所述全景画面进行电子变倍，得到所述目标对象的特写画面。
可选地，所述基于变倍的目标跟踪特写装置还用于：
检测所述目标对象的运动范围是否超过预设范围阈值；
若否，则保持所述特写画面不变；
若是，则根据所述运动范围，确定所述目标对象的移动位置；
依据所述移动位置，控制云台进行移动，以对所述目标对象进行实时跟踪特写。
本申请还提供一种电子设备，所述电子设备为实体设备，所述电子设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述基于变倍的目标跟踪特写方法的程序，所述基于变倍的目标跟踪特写方法的程序被处理器执行时可实现如上述的基于变倍的目标跟踪特写方法的步骤。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有实现基于变倍的目标跟踪特写方法的程序，所述基于变倍的目标跟踪特写方法的程序被处理器执行时实现如上述的基于变倍的目标跟踪特写方法的步骤。
本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的基于变倍的目标跟踪特写方法的步骤。
本申请提供了一种基于变倍的目标跟踪特写方法、装置、电子设备及介质，与现有技术中通过使用单目数字高清摄像机及其他边缘辅助设备进行目标跟踪的方式相比，本申请首先获取当前全景画面，对所述当前全景画面进行目标检测，得到目标检测框；对所述目标检测框对应的目标对象进行人脸识别，得到目标人脸特征；根据所述目标人脸特征，对所述目标对象进行跟踪匹配，得到跟踪匹配结果；依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面；根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面，克服了当所述目标对象移动较快或者位置较远时，单目数字高清摄像机及其他边缘辅助设备拍摄的特写画面不清晰，进行导致目标跟踪的准确性较低的技术缺陷，所以，提高了目标跟踪的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请基于变倍的目标跟踪特写方法第一实施例的流程示意图；
图2为本申请基于变倍的目标跟踪特写方法涉及的装置示意图；
图3为本申请实施例中基于变倍的目标跟踪特写方法涉及的硬件运行环境的设备结构示意图。
本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本申请保护的范围。
目前通常是通过使用单目数字高清摄像机及其他边缘辅助设备的方式进行目标跟踪，但是由于单目摄像机采集到的画面同时用于跟踪分析和特写画面输出，导致被跟踪对象移动较快时，容易脱离镜头视野范围，且当被跟踪对象距离摄像机较远时拍摄到的特写画面分辨率不高，进而导致目标跟踪的准确性较低。
本申请实施例提供一种基于变倍的目标跟踪特写方法，在本申请基于变倍的目标跟踪特写方法的第一实施例中，参照图1，所述基于变倍的目标跟踪特写方法包括：
步骤S10，获取当前全景画面，对所述当前全景画面进行目标检测，得到目标检测框；
步骤S20，对所述目标检测框对应的目标对象进行人脸识别，得到目标人脸特征；
步骤S30，根据所述目标人脸特征，对所述目标对象进行跟踪匹配，得到跟踪匹配结果；
步骤S40，依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面；
步骤S50，根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面。
在本实施例中，需要说明的是，所述目标检测是指人头检测、人脸检测以及人身检测；所述预设呈像比例是指所述特写画面的呈像分辨率需和展示所述特写画面屏幕的屏幕分辨率一致，其中，所述屏幕分辨率是指纵横向上的像素点数，屏幕分辨率可以为4:3、5:4、16:10、16:9、21:9等等。
作为一种示例，步骤S10至步骤S50包括：获取当前全景画面，对所述当前全景画面进行人头检测、人脸检测以及人身检测，分别人头检测框、人脸检测框和人身检测框，通过融合策略和预设扩框机制得到得到人头检测框、人脸检测框和人身检测框这目标的合成框，也即所述目标检测框；依据所述目标检测框，确定所述目标检测框内的目标对象，对所述目标对象进行人脸识别，得到目标人脸特征，其中，可以采用centerface（CenterNet-Face，人脸检测及关键点同出模型）检测模型作为基础人脸检测和人脸关键点模型，主要通过左右眼、鼻子、左右嘴角五个关键点去判断并过滤掉非正脸检测，对于正脸检测在经过对齐后送入人脸识别模型提取目标人脸特征；根据所述目标人脸特征，对所述目标对象进行跟踪匹配，得到跟踪匹配结果，其中，所述跟踪匹配是依据所述目标人脸特征，进行所述目标对象的目标检测框和目标预测框的匹配，所述目标检测框可以通过卡尔曼滤波算法进行预测得到，所述跟踪匹配包括级联匹配和重叠度匹配，并且引入马氏距离与余弦距离作为匹配限制；依据所述目标匹配结果，对所述目标对象进行实时跟踪，得到跟踪结果，其中，可以通过改进的Deep SORT（Deep Simple Online and Realtime Tracking）跟踪算法对所述目标对象进行跟踪，以获取所述目标对象的坐标信息，所述改进的Deep SORT跟踪算法基于Deep SORT网络框架和Kalman（Kalman filtering，卡尔曼滤波）跟踪算法获得，利用运动模型和外观信息进行数据关联，运行速率主要由检测算法所决定，所述跟踪匹配结果可以为所述目标对象在所述当前全景画面中的位置信息；依据所述跟踪匹配结果，得到所述目标对象在所述当前全景画面中的具体位置，从而获取所述目标对象在所述当前全景画面中的画面占比，进而确定对应的光学变倍参数，再根据所述光学变倍参数对所述当前全景画面进行光学变倍，得到所述目标区域画面；根据预设呈像比例，确定所述特写画面的呈像分辨率，依据所述呈像分辨率对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面。
其中，所述目标检测包括人脸检测、人头检测和人身检测，所述对所述当前全景画面进行目标检测，得到目标检测框的步骤包括：
步骤S11，对所述当前全景画面进行所述人脸检测，得到人脸检测框；
步骤S12，对所述当前全景画面进行所述人头检测，得到人头检测框；
步骤S13，对所述当前全景画面进行所述人身检测，得到人身检测框；
步骤S14，将所述人脸检测框、所述人头检测框和所述人身检测框进行融合，得到所述目标检测框。
在本实施例中，需要说明的是，所述人头检测框可以为能够包括人体头部完整图像且具有最小面积的矩形框，用于标记所述目标对象的人头，所述人脸检测框可以为能够包括人脸完整图像且具有最小面积的矩形框，用于标记所述目标对象的人脸，所述人身检测框可以为能够包括人体全身完整图像且具有最小面积的矩形框，用于标记所述目标对象的身体；所述预测框也可以包括人头预测框、人脸预测框和人身预测框。
作为一种示例，步骤S11至步骤S14包括：对所述当前全景画面进行所述人脸检测，得到人脸检测框；对所述当前全景画面进行所述人头检测，得到人头检测框；对所述当前全景画面进行所述人身检测，得到人身检测框；
其中，进行所述目标检测的检测模型可以为Yolo（You Only Look Once）系列模块，优选Yolov5m模型，该Yolov5m模型具备检测速度快，检测精度高的特点；对所述当前全景画面进行所述人头检测，得到人头检测框；将所述人脸检测框、所述人头检测框和所述人身检测框进行融合，得到所述目标检测框，所述融合的方法可以通过二分图匹配算法或者贪婪法，通过人脸、人身和人头的目标检测以及融合策略，能够防止所述目标对象漏检误检；通过预设预测模型对所述目标检测框进行跟踪预测，得到所述目标对象的预测框。
其中，所述跟踪匹配包括级联匹配和重叠度匹配，所述根据所述目标人脸特征，对所述目标对象进行跟踪匹配，得到跟踪匹配结果的步骤包括：
步骤S31，根据所述目标人脸特征，先将所述目标对象进行级联匹配，得到级联匹配结果；
步骤S32，再将所述级联匹配中未成功匹配的目标对象进行重叠度匹配，得到重叠度匹配结果；
步骤S33，将所述级联匹配结果和所述重叠度匹配结果共同作为所述跟踪匹配结果。
在本实施例中，需要说明的是，所述级联匹配是指不同优先级的匹配，在级联匹配中，会根据跟踪参数对跟踪器划分先后顺序，跟踪参数小的优先匹配，跟踪参数大的后匹配，也即给快速匹配的跟踪器较高的优先权，给一直没匹配上的跟踪器降低优先权；所述重叠度匹配也即IOU（Intersection over Union，交并比）匹配，定义了检测框与预测框的重叠度，即检测框与预测框的交集和检测框与预测框的并集之间的比值，最理想的情况是完全重叠，即比值为1。
作为一种示例，步骤S31至步骤S33包括：根据所述目标人脸特征，先将所述目标对象的目标检测框与所述目标对象的目标预测框进行级联匹配，得到级联匹配结果，其中，未匹配成功的目标预测框不会立即删除，而会给一个递增的标号，优先匹配当前帧的所述目标检测框与所述目标预测框进行匹配，接着依据所述标号，让未匹配成功的所述目标预测框进行匹配，以此循环；在所述级联匹配结束后，将所述级联匹配中剩下的未匹配的目标检测框和未匹配的目标预测框进行重叠度匹配，得到重叠度匹配结果；将所述级联匹配结果和所述重叠度匹配结果共同作为所述跟踪匹配结果。通过将所述目标检测框与所述目标预测框进行多特征的匹配，提高了匹配精度，从而提高了所述目标对象的跟踪准确度。
例如，若当前帧的上一帧中存在未匹配成功的预测框，则给所述预测框标记标号1，若当前帧的上上帧中存在未匹配成功的预测框，则给所述预测框标记标号2，在进行级联匹配时，先让当前帧的目标检测框和预测框进行匹配，接着让标号为1的也就是上一帧匹配失败的预测框进行匹配，再让标号为2的也就是上上帧匹配失败的预测框进行匹配，以此循环。
其中，所述依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面的步骤包括：
步骤S41，依据所述跟踪匹配结果，得到所述目标对象在所述当前全景画面内的位置信息；
步骤S42，基于所述位置信息，对所述当前全景画面进行光学变倍，得到目标区域画面。
在本实施例中，需要说明的是，所述位置信息包括但不限于所述目标对象的坐标信息、周围环境参数和所处区域范围等信息。
作为一种示例，步骤S41至步骤S42包括：依据对所述目标对象进行实时跟踪得到的跟踪结果，从而得到所述目标对象在所述当前全景画面内的位置信息；基于所述位置信息，计算出所述目标对象在所述当前全景画面中的画面占比，依据画面占比调节相应的光学参数，从而对所述当前全景画面进行光学变倍，得到目标区域画面。
其中，所述基于所述位置信息，对所述当前全景画面进行光学变倍，得到目标区域画面的步骤包括：
步骤S421，基于所述位置信息，确定所述目标对象在所述当前全景画面内的画面占比；
步骤S422，依据所述画面占比，对所述全景画面进行光学变倍，得到所述目标区域画面。
作为一种示例，步骤S421至步骤S422包括：基于所述位置信息，确定所述目标对象在所述当前全景画面内的画面占比；根据预设光学变倍条件得到变倍基数，依据所述画面占比和所述变倍基数，通过变倍比例计算函数计算得到光学变倍比例值，依据所述光学变倍比例值对所述全景画面进行光学变倍，得到所述目标区域画面。
在一种可实施的方式中，所述光学变倍比例计算函数如下：
Figure 931877DEST_PATH_IMAGE001
其中，
Figure 499256DEST_PATH_IMAGE002
为光学变倍比例值，
Figure 236268DEST_PATH_IMAGE003
为变倍基数，
Figure 759653DEST_PATH_IMAGE004
为所述目标对象的目标检测框的宽度，
Figure 251814DEST_PATH_IMAGE005
为目标变换宽度，
Figure 493440DEST_PATH_IMAGE006
为预设画面的分辨率宽度。
其中，所述根据预设呈像比例，对所述全景画面进行电子变倍，得到所述目标对象的特写画面的步骤包括：
步骤S51，根据预设呈像比例，确定所述特写画面的目标宽度和目标高度；
步骤S52，基于所述目标宽度和所述目标高度，对所述全景画面进行电子变倍，得到所述目标对象的特写画面。
作为一种示例，步骤S51至步骤S52包括：在进行电子变倍时需要根据所述预设呈像比例，确定合适的所述目标宽度和所述目标高度的宽高比，例如，假设预设呈像比例是16:9，则在经过电子变倍后得到的所述特写画面的宽高比仍然需要满足16:9的要求，其中，可以设置所述目标高度占所述目标宽度的
Figure 581613DEST_PATH_IMAGE007
倍数为基准进行截取，
Figure 225084DEST_PATH_IMAGE007
可以为整数或者小数，并根据实际情况可适当扩充目标宽度和目标高度来匹配实际效果；将所述目标宽度和所述目标高度输入所述特写画面输出宽度计算函数和所述特写画面输出高度计算函数，对所述全景画面进行电子变倍，输出所述目标对象的特写画面。通过截取合适的宽高比得到所述目标对象最优的特写画面，保证了整体呈像的完整度。
在一种可实施的方式中，所述特写画面输出宽度计算函数如下：
Figure 560250DEST_PATH_IMAGE008
Figure 351488DEST_PATH_IMAGE009
所述特写画面输出高度计算函数如下：
Figure 430303DEST_PATH_IMAGE010
其中，
Figure 928280DEST_PATH_IMAGE011
为所述特写画面输出宽度，
Figure 512977DEST_PATH_IMAGE012
为所述特写画面输出高度，
Figure 463615DEST_PATH_IMAGE013
为对所述目标对象的目标检测框的高度进行截取后得到的合适高度，
Figure 408437DEST_PATH_IMAGE014
为预设画面的分辨率高度。
其中，在根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面的步骤之后，还包括：
步骤A10，检测所述目标对象的运动范围是否超过预设范围阈值；
步骤A20，若否，则保持所述特写画面不变；
步骤A30，若是，则根据所述运动范围，确定所述目标对象的移动位置；
步骤A40，依据所述移动位置，控制云台进行移动，以对所述目标对象进行实时跟踪特写。
在本实施例中，需要说明的是，所述预设范围阈值是定义所述目标对象的运动范围的最大值，所述预设范围阈值的设定需要考虑所述目标对象需要展示在所述特写画面的画面中心，所述运动范围可以设置为所述特写画面的画面范围，所述特写画面的范围之外则是目标缓冲区域，所述目标缓冲区域为所述目标区域画面内除去所述特写画面的区域。
作为一种示例，步骤A10至步骤A40包括：检测所述目标对象的运动范围是否超过预设范围阈值；若所述目标对象的运动范围未超过预设范围阈值，说明此时所述目标对象的运动范围较小，不需要移动云台也能保证所述目标对象在画面中心，则保持所述特写画面不变；若所述目标对象的运动范围超过预设范围阈值，则根据所述运动范围，确定所述目标对象的移动位置；依据所述移动位置，控制云台进行合理速度平滑移动，以对所述目标对象进行实时跟踪特写，其中，所述云台可以为二自由度云台，若所述目标对象移动至所述目标缓冲区域内，依旧可以被跟踪到并回到特写画面内。实现了当所述目标对象移动速度过快时依旧能实时跟踪，避免跟踪目标丢失的情况，提高了目标跟踪的准确性。
本申请提供了一种基于变倍的目标跟踪特写方法，与现有技术中通过使用单目数字高清摄像机及其他边缘辅助设备进行目标跟踪的方式相比，本申请首先获取当前全景画面，对所述当前全景画面进行目标检测，得到目标检测框；对所述目标检测框对应的目标对象进行人脸识别，得到目标人脸特征；根据所述目标人脸特征，对所述目标对象进行跟踪匹配，得到跟踪匹配结果；依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面；根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面，克服了当所述目标对象移动较快或者位置较远时，单目数字高清摄像机及其他边缘辅助设备拍摄的特写画面不清晰，进行导致目标跟踪的准确性较低的技术缺陷，所以，提高了目标跟踪的准确性。
本申请实施例还提供一种基于变倍的目标跟踪特写装置，所述基于变倍的目标跟踪特写装置应用于基于变倍的目标跟踪特写设备，参照图2，所述基于变倍的目标跟踪特写装置包括：
检测模块10，用于获取当前全景画面，对所述当前全景画面进行目标检测，得到目标检测框；
人脸识别模块20，用于对所述目标检测框对应的目标对象进行人脸识别，得到目标人脸特征；
跟踪匹配模块30，用于根据所述目标人脸特征，对所述目标对象进行实时跟踪，得到跟踪结果；
光学变倍模块40，用于依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面；
电子变倍模块50，用于根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面。
可选地，所述检测模块10还用于：
对所述当前全景画面进行所述人脸检测，得到人脸检测框；
对所述当前全景画面进行所述人头检测，得到人头检测框；
对所述当前全景画面进行所述人身检测，得到人身检测框；
将所述人脸检测框、所述人头检测框和所述人身检测框进行融合，得到所述目标检测框。
可选地，所述跟踪匹配模块30还用于：
根据所述目标人脸特征，先将所述目标对象进行级联匹配，得到级联匹配结果；
再将所述级联匹配中未成功匹配的目标对象进行重叠度匹配，得到重叠度匹配结果；
将所述级联匹配结果和所述重叠度匹配结果共同作为所述跟踪匹配结果。
可选地，所述光学变倍模块40还用于：
依据所述跟踪匹配结果，得到所述目标对象在所述当前全景画面内的位置信息；
基于所述位置信息，对所述当前全景画面进行光学变倍，得到目标区域画面。
可选地，所述光学变倍模块40还用于：
基于所述位置信息，确定所述目标对象在所述当前全景画面内的画面占比；
依据所述画面占比，对所述全景画面进行光学变倍，得到所述目标区域画面。
可选地，所述电子变倍模块50还用于：
根据预设呈像比例，确定所述特写画面的目标宽度和目标高度；
基于所述目标宽度和所述目标高度，对所述全景画面进行电子变倍，得到所述目标对象的特写画面。
可选地，所述基于变倍的目标跟踪特写装置还用于：
检测所述目标对象的运动范围是否超过预设范围阈值；
若否，则保持所述特写画面不变；
若是，则根据所述运动范围，确定所述目标对象的移动位置；
依据所述移动位置，控制云台进行移动，以对所述目标对象进行实时跟踪特写。
本申请提供的基于变倍的目标跟踪特写装置，采用上述实施例中的基于变倍的目标跟踪特写方法，解决了目标跟踪的准确性较低的技术问题。与现有技术相比，本申请实施例提供的基于变倍的目标跟踪特写装置的有益效果与上述实施例提供的基于变倍的目标跟踪特写方法的有益效果相同，且该基于变倍的目标跟踪特写装置中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。
本申请实施例提供一种电子设备，电子设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述实施例一中的基于变倍的目标跟踪特写方法。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，电子设备可以包括处理装置（例如中央处理器、图形处理器等），其可以根据存储在只读存储器（ROM）中的程序或者从存储装置加载到随机访问存储器（RAM）中的程序而执行各种适当的动作和处理。在RAM中，还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出（I/O）接口也连接至总线。
通常，以下系统可以连接至I/O接口：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置；包括例如磁带、硬盘等的存储装置；以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备，但是应理解的是，并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置被安装，或者从ROM被安装。在该计算机程序被处理装置执行时，执行本公开实施例的方法中限定的上述功能。
本申请提供的电子设备，采用上述实施例中的基于变倍的目标跟踪特写方法，解决了目标跟踪的准确性较低的技术问题。与现有技术相比，本申请实施例提供的电子设备的有益效果与上述实施例提供的基于变倍的目标跟踪特写方法的有益效果相同，且该电子设备中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
本实施例提供一种计算机可读存储介质，具有存储在其上的计算机可读程序指令，计算机可读程序指令用于执行上述实施例一中的违规行为检测的方法。
本申请实施例提供的计算机可读存储介质例如可以是U盘，但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
上述计算机可读存储介质可以是电子设备中所包含的；也可以是单独存在，而未装配入电子设备中。
上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被电子设备执行时，使得电子设备：获取当前全景画面，对所述当前全景画面进行目标检测，得到目标检测框；对所述目标检测框对应的目标对象进行人脸识别，得到目标人脸特征；根据所述目标人脸特征，对所述目标对象进行跟踪匹配，得到跟踪匹配结果；依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面；根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定。
本申请提供的计算机可读存储介质，存储有用于执行上述基于变倍的目标跟踪特写方法的计算机可读程序指令，解决了目标跟踪的准确性较低的技术问题。与现有技术相比，本申请实施例提供的计算机可读存储介质的有益效果与上述实施例提供的基于变倍的目标跟踪特写方法的有益效果相同，在此不做赘述。
本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的基于变倍的目标跟踪特写方法的步骤。
本申请提供的计算机程序产品解决了目标跟踪的准确性较低的技术问题。与现有技术相比，本申请实施例提供的计算机程序产品的有益效果与上述实施例提供的基于变倍的目标跟踪特写方法的有益效果相同，在此不做赘述。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利处理范围内。

Claims (10)

1.一种基于变倍的目标跟踪特写方法，其特征在于，所述基于变倍的目标跟踪特写方法包括：
获取当前全景画面，对所述当前全景画面进行目标检测，得到目标检测框，其中，所述目标检测包括人头检测、人脸检测以及人身检测；
对所述目标检测框对应的目标对象进行人脸识别，得到目标人脸特征；
根据所述目标人脸特征，对所述目标对象进行跟踪匹配，得到跟踪匹配结果；
依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面；
根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面。
2.如权利要求1所述基于变倍的目标跟踪特写方法，其特征在于，所述目标检测包括人脸检测、人头检测和人身检测，所述对所述当前全景画面进行目标检测，得到目标检测框的步骤包括：
对所述当前全景画面进行所述人脸检测，得到人脸检测框；
对所述当前全景画面进行所述人头检测，得到人头检测框；
对所述当前全景画面进行所述人身检测，得到人身检测框；
将所述人脸检测框、所述人头检测框和所述人身检测框进行融合，得到所述目标检测框。
3.如权利要求1所述基于变倍的目标跟踪特写方法，其特征在于，所述跟踪匹配包括级联匹配和重叠度匹配，所述根据所述目标人脸特征，对所述目标对象进行跟踪匹配，得到跟踪匹配结果的步骤包括：
根据所述目标人脸特征，先将所述目标对象进行级联匹配，得到级联匹配结果；
再将所述级联匹配中未成功匹配的目标对象进行重叠度匹配，得到重叠度匹配结果；
将所述级联匹配结果和所述重叠度匹配结果共同作为所述跟踪匹配结果。
4.如权利要求1所述基于变倍的目标跟踪特写方法，其特征在于，所述依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面的步骤包括：
依据所述跟踪匹配结果，得到所述目标对象在所述当前全景画面内的位置信息；
基于所述位置信息，对所述当前全景画面进行光学变倍，得到目标区域画面。
5.如权利要求4所述基于变倍的目标跟踪特写方法，其特征在于，所述基于所述位置信息，对所述当前全景画面进行光学变倍，得到目标区域画面的步骤包括：
基于所述位置信息，确定所述目标对象在所述当前全景画面内的画面占比；
依据所述画面占比，对所述全景画面进行光学变倍，得到所述目标区域画面。
6.如权利要求1所述基于变倍的目标跟踪特写方法，其特征在于，所述根据预设呈像比例，对所述全景画面进行电子变倍，得到所述目标对象的特写画面的步骤包括：
根据预设呈像比例，确定所述特写画面的目标宽度和目标高度；
基于所述目标宽度和所述目标高度，对所述全景画面进行电子变倍，得到所述目标对象的特写画面。
7.如权利要求1所述基于变倍的目标跟踪特写方法，其特征在于，在根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面的步骤之后，还包括：
检测所述目标对象的运动范围是否超过预设范围阈值；
若否，则保持所述特写画面不变；
若是，则根据所述运动范围，确定所述目标对象的移动位置；
依据所述移动位置，控制云台进行移动，以对所述目标对象进行平滑跟踪特写。
8.一种基于变倍的目标跟踪特写装置，其特征在于，所述基于变倍的目标跟踪特写装置包括：
检测模块，用于获取当前全景画面，对所述当前全景画面进行目标检测，得到目标检测框，其中，所述目标检测包括人头检测、人脸检测以及人身检测；
人脸识别模块，用于对所述目标检测框对应的目标对象进行人脸识别，得到目标人脸特征；
跟踪匹配模块，用于根据所述目标人脸特征，对所述目标对象进行跟踪匹配，得到跟踪匹配结果；
光学变倍模块，用于依据所述跟踪匹配结果，对所述当前全景画面进行光学变倍，得到目标区域画面；
电子变倍模块，用于根据预设呈像比例，对所述目标区域画面进行电子变倍，以获取所述目标对象的特写画面。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的基于变倍的目标跟踪特写方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有实现基于变倍的目标跟踪特写方法的程序，所述实现基于变倍的目标跟踪特写方法的程序被处理器执行以实现如权利要求1至7中任一项所述基于变倍的目标跟踪特写方法的步骤。
CN202211092396.8A 2022-09-08 2022-09-08 基于变倍的目标跟踪特写方法、装置、电子设备及介质 Active CN115171200B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211092396.8A CN115171200B (zh) 2022-09-08 2022-09-08 基于变倍的目标跟踪特写方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211092396.8A CN115171200B (zh) 2022-09-08 2022-09-08 基于变倍的目标跟踪特写方法、装置、电子设备及介质

Publications (2)

Publication Number Publication Date
CN115171200A CN115171200A (zh) 2022-10-11
CN115171200B true CN115171200B (zh) 2023-01-31

Family

ID=83480459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211092396.8A Active CN115171200B (zh) 2022-09-08 2022-09-08 基于变倍的目标跟踪特写方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN115171200B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101068342A (zh) * 2007-06-05 2007-11-07 西安理工大学 基于双摄像头联动结构的视频运动目标特写跟踪监视方法
CN101236599A (zh) * 2007-12-29 2008-08-06 浙江工业大学 基于多摄像机信息融合的人脸识别检测装置
CN102457664A (zh) * 2010-10-26 2012-05-16 佳能株式会社 摄像设备
CN104125433A (zh) * 2014-07-30 2014-10-29 西安冉科信息技术有限公司 基于多球机联动结构的视频运动目标监控方法
CN111131713A (zh) * 2019-12-31 2020-05-08 深圳市维海德技术股份有限公司 镜头切换方法、装置、设备与计算机可读存储介质
CN111866437A (zh) * 2020-06-30 2020-10-30 厦门亿联网络技术股份有限公司 一种用于视频会议双摄像头的自动切换方法及装置
CN112601028A (zh) * 2021-03-02 2021-04-02 浙江华创视讯科技有限公司 摄像控制方法、装置、计算机设备和存储介质
CN113838098A (zh) * 2021-09-10 2021-12-24 北京理工大学 一种针对远距离高速运动目标的智能跟踪拍摄系统
WO2022022715A1 (zh) * 2020-07-30 2022-02-03 华为技术有限公司 一种拍摄方法及设备
WO2022022726A1 (zh) * 2020-07-31 2022-02-03 华为技术有限公司 一种拍摄方法及设备
CN114511595A (zh) * 2022-04-19 2022-05-17 浙江宇视科技有限公司 多模态协同和融合的目标跟踪方法、装置及系统、介质
WO2022161250A1 (zh) * 2021-01-28 2022-08-04 浙江华创视讯科技有限公司 摄像控制方法、装置、计算机设备和存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10147191B1 (en) * 2016-07-26 2018-12-04 360fly, Inc. Panoramic video cameras, camera systems, and methods that provide object tracking and object based zoom
KR20210017081A (ko) * 2019-08-06 2021-02-17 삼성전자주식회사 객체에 대응하는 그래픽 요소 표시 방법 및 장치
CN113870274A (zh) * 2020-06-30 2021-12-31 北京小米移动软件有限公司 图像处理方法、图像处理装置及存储介质
CN113034541B (zh) * 2021-02-26 2021-12-14 北京国双科技有限公司 目标跟踪方法、装置、计算机设备和存储介质
CN114449174A (zh) * 2022-02-28 2022-05-06 维沃移动通信有限公司 拍摄方法、装置和电子设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101068342A (zh) * 2007-06-05 2007-11-07 西安理工大学 基于双摄像头联动结构的视频运动目标特写跟踪监视方法
CN101236599A (zh) * 2007-12-29 2008-08-06 浙江工业大学 基于多摄像机信息融合的人脸识别检测装置
CN102457664A (zh) * 2010-10-26 2012-05-16 佳能株式会社 摄像设备
CN104125433A (zh) * 2014-07-30 2014-10-29 西安冉科信息技术有限公司 基于多球机联动结构的视频运动目标监控方法
CN111131713A (zh) * 2019-12-31 2020-05-08 深圳市维海德技术股份有限公司 镜头切换方法、装置、设备与计算机可读存储介质
CN111866437A (zh) * 2020-06-30 2020-10-30 厦门亿联网络技术股份有限公司 一种用于视频会议双摄像头的自动切换方法及装置
WO2022022715A1 (zh) * 2020-07-30 2022-02-03 华为技术有限公司 一种拍摄方法及设备
WO2022022726A1 (zh) * 2020-07-31 2022-02-03 华为技术有限公司 一种拍摄方法及设备
WO2022161250A1 (zh) * 2021-01-28 2022-08-04 浙江华创视讯科技有限公司 摄像控制方法、装置、计算机设备和存储介质
CN112601028A (zh) * 2021-03-02 2021-04-02 浙江华创视讯科技有限公司 摄像控制方法、装置、计算机设备和存储介质
CN113838098A (zh) * 2021-09-10 2021-12-24 北京理工大学 一种针对远距离高速运动目标的智能跟踪拍摄系统
CN114511595A (zh) * 2022-04-19 2022-05-17 浙江宇视科技有限公司 多模态协同和融合的目标跟踪方法、装置及系统、介质

Also Published As

Publication number Publication date
CN115171200A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
US10521468B2 (en) Animated seek preview for panoramic videos
US11233981B2 (en) System and method for interactive projection
US5768447A (en) Method for indexing image information using a reference model
US11102413B2 (en) Camera area locking
CN110781823B (zh) 录屏检测方法、装置、可读介质及电子设备
CN111766951A (zh) 图像显示方法和装置、计算机系统和计算机可读存储介质
US20230073750A1 (en) Augmented reality (ar) imprinting methods and systems
CN110969159B (zh) 图像识别方法、装置及电子设备
US20220139016A1 (en) Sticker generating method and apparatus, and medium and electronic device
CN113784046A (zh) 一种随动拍摄方法、装置、介质和电子设备
CN104635933A (zh) 一种图像切换的方法和装置
CN111833459B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN111818265B (zh) 基于增强现实模型的交互方法、装置、电子设备及介质
CN115460353B (zh) 教学跟踪摄像设备配置方法、装置、电子设备及介质
CN115171200B (zh) 基于变倍的目标跟踪特写方法、装置、电子设备及介质
CN113784045B (zh) 聚焦互动方法、装置、介质和电子设备
US11810336B2 (en) Object display method and apparatus, electronic device, and computer readable storage medium
US11770551B2 (en) Object pose estimation and tracking using machine learning
CN114117092A (zh) 远程协作方法、装置、电子设备和计算机可读介质
CN113703704A (zh) 界面显示方法、头戴式显示设备和计算机可读介质
CN109472873B (zh) 三维模型的生成方法、装置、硬件装置
EP3510440B1 (en) Electronic device and operation method thereof
CN110781888B (zh) 回归视频画面中屏幕的方法、装置、可读介质及电子设备
US10198164B1 (en) Triggering location selector interface by continuous zooming
CN115410232B (zh) 板书抓拍方法、装置、电子设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant